什么活值得用最贵的模型，什么活用最便宜的就够了

你把三十份年报丢进去，让 AI 帮你把每家近三年的营业收入、毛利率、经营性现金流抠成一张表。跑完你花了两个小时逐格核对，发现提取那部分几乎没出错——数字对得上，格式也整齐。

真正出问题的是最后那一栏。你顺手让它加了一列「同比是否可比」，它每家都写了一句话，读起来都很在理。直到某天你自己翻原文，才发现有一家去年年中并进来一块新业务，收入基数根本不是一个东西，而它那句话写的是「口径一致，可直接比较」。

这两个错误的代价，差了不止一个量级。可你在选模型的时候，是把整个流程当一件事、用同一档模型跑完的。

这一节要换掉你分配预算的那把尺子。

生活层：装修的时候，钱该花在哪一道工序上

想想装修。搬材料、砌一堵不承重的隔墙、刷漆——这些活儿要是干砸了，你走进屋子当场就看见：墙歪了、漆色不匀、砖缝不齐。你有的是机会返工，代价就是重做一遍。

另一类活是水电走线、承重结构改动、防水层。这些干砸了，当天看不出来。墙一封，一切光鲜。你要等到三个月后楼下渗水、或者两年后想改个插座才发现线是怎么走的。到那时候，要拆掉的是压在它上面的全部东西。

一个有经验的人怎么分配预算？他不是按「哪道工序累」分，也不是按「哪道工序花的工时多」分。他按这道工序干砸了，我什么时候能发现、发现的时候要连带拆掉多少来分。刷漆可以找便宜的，防水必须找最贵最靠谱的——哪怕防水这活儿本身比刷漆还简单。

判据不是难度，是可发现性。 这句话原样搬到 AI 投研上，就是这一节的全部内容。

投资层：你的流程里，哪几步是「防水层」

先把这条判据翻译成你真实会做的事。

第一类，错了你一眼看得见。 从财报 PDF 的表格里把「营业收入」那一行的三个数字抠出来；把一段公告里所有的日期挑出来；把十几个季度的数据整理成统一列名的表。这类活的共同点是：输出能和原文逐字对上。它抠出来的数如果是编的，你把光标挪到原文那一栏，两秒钟就知道了。

第二类，错了你抽查能看见。 把三十份公告按时间排成一条事件线；把一段业绩说明会的问答整理成要点；把一份研报的观点归成三条。这类活没法逐字核，但你随机挑几条回原文一对，就能大致判断它靠不靠谱。错误是有痕迹的，只是找痕迹要花你的时间。

第三类，错了你根本看不见，而且它会往下传。 「这家公司今年的营业收入和去年可比吗」——要答这个，得知道并表范围变没变（并表范围就是把哪几家子公司的账合进来一起算），得知道会计准则那年调没调，得知道有没有一块业务被划成了终止经营。这一句判断错了，你后面算出来的所有同比增速、所有基于收入的估值倍数、所有靠增速做的筛选，全是错的，而且每一个都长得很正常。

再举几个同属第三类的：「这两家公司的毛利率能不能直接横向比」（成本口径可能不同）、「这段管理层表述相比上一期是变强还是变弱了」、「这条监管措辞的变化对这个行业意味着什么」。它们的共同点是：产出是一个判断，而不是一段可以回原文对照的摘录。判断没有原文可对——你要验证它，成本几乎等于自己重做一遍。

现在把三类和钱对上：

• 第一类：用便宜的、快的。省下来的钱和时间，拿去写核对脚本、拿去多跑几遍交叉验证。
• 第二类：中间档，配一个明确的抽查比例，抽查这件事必须真的做。
• 第三类：用你手上能拿到的最强的那一档，并且还要额外加要求。

你花大价钱买的不是「更准」，是「在你看不见的地方少犯错」。 在你看得见的地方，便宜模型犯的错都会被你抓住，那部分错误的实际成本接近于零。

机制层：为什么第三类的错误这么贵

污染半径

第一类错误的影响范围是它自己：一个数错了，就是一个数错了。你后面用到这个数的地方会跟着错，但错误本身是局部的、可定位的——你顺着那个离谱的数字往回查，一定能查到源头。

第三类错误的影响范围是下游的全部结论，而且它不留痕迹。「口径一致」这四个字一旦被写进你的表，后面所有基于这张表的计算都在一个错误的前提上跑，每一步的算术都是对的，每一个中间结果看起来都合理。你没有任何一个数字会显得离谱，因为离谱的不是数字，是假设。

这就是它值得溢价的原因。不是因为它难，是因为它错了之后，你连「哪里出了问题」这个问题都问不出来。

越靠近「总结」，越危险

概念库里那篇 让大模型直接做交易决策，这条路现在走到哪了 里提过一个反直觉的观察：在多角色协作的系统里，编数字最厉害的往往不是分析岗，是总结岗。分析岗手里有工具、有原始材料，编的动力小；总结岗只拿到几段文字，为了让报告显得完整，它会自己把缺口补上。

这个观察和这一节的分档是同一件事的两面。离一手材料越远的环节，产出越是「判断」而不是「摘录」，可发现性越低，就越应该往第三类放。 你如果只有预算给一个环节升配，别给读财报那一步，给写结论那一步。

工程上，这件事是被显式设计出来的

这不是我个人的偏好，认真做这类系统的人已经把它写进结构里了。

在开源 AI 投研智能体项目 Vibe-Trading 里（智能体就是能自己调工具、分几步把一件事做完的 AI 程序，不是只会一问一答的聊天框），一个多角色编队里的每个角色都有一份规格说明，里面除了岗位职责、可用工具、最多允许迭代几轮之外，还有一个字段专门用来单独指定这个角色用哪个模型，不指定就落到全局默认。

一个字段而已，但它的存在本身就是个结论：做这套东西的人从一开始就假定，同一条流程里的不同环节，值得用不同的模型。 如果他们认为「全用最强的」是对的，这个字段根本不需要存在。

同一个项目里还有一处更细的：图片转文字这件事有自己独立的模型配置项，和主流程的模型分开。图片转文字是典型的第一类活——原图就在那儿，它认错了字你对一眼就知道。有意思的是它的提示词设计注释，里面明确要求：看不太清的地方标成「不确定」，完全认不出的标成「无法辨认」，不许猜。

这一条值得停下来品。它做的事情是把模型的不确定性从隐形变成显形。默认情况下，模型对着一张糊掉的表格也会给你一个数，你完全看不出那个数是读出来的还是猜出来的；加了这条规则之后，猜的地方会自己举手。

同样的思路在量化工程里也有：开源框架 freqtrade 的机器学习模块会衡量当前这组输入离训练时见过的数据有多远，太远就把这次预测直接丢掉——宁可不给答案，也不给一个没有依据的答案。本卷 AI 能不能预测股价，先看清它到底在算什么 里详细讲过这个设计。

这两处放在一起，指向同一个手段：与其花钱买一个更少犯错的模型，不如先想办法让它犯的错自己暴露出来。

降档：不加钱，把看不见的错误变成看得见的

分档不是宿命。第三类的活里，有相当一部分是可以被你改造成第一、二类的——改造完，你就能用便宜档跑，而且比原来用最强档还安全。

动作一：要求它交出处，而且要交原文片段。 「口径一致」这句话你没法验；但如果它必须同时贴出附注里那段关于并表范围的原文、并标明在第几页，这个判断就变成了「一段可对照的引用 + 一句结论」。你核对引用的成本是十几秒，核对结论的成本是重做一遍。怎么把出处真的逼出来、以及怎么识别它编出来的假出处，是 怎么逼它把出处交出来 那一节的正题。

动作二：把「结论题」拆成「若干道提取题 + 你自己下的判断」。 别问「今年和去年可比吗」。改成三个提取题：并表范围这一期有没有变化，原文怎么写的；会计政策有没有变更，原文怎么写的；有没有终止经营，原文怎么写的。这三问全是第一类活，便宜模型就能做，而且你一眼能核。最后那句「所以可比／不可比」，你自己下。

这个改造的实质是：把你无法验证的那一步，从模型手里拿回到你自己手里。 你没有多花任何算力，风险却降了一个档。

动作三：给它一个说「不知道」的出口，并且让这个出口有明确格式。 默认情况下模型永远会给你一个答案，因为它被设计成永远有话说。你得在要求里写死：材料里找不到依据的，必须原样写「材料中未提及」，不许推断。有了这条，缺失就从「被一句圆滑的话盖住」变成了「一个你能搜出来的固定标记」。这类要求怎么写进提示词才不会被绕开，见 一个好的投研提示词，有四个东西不能少。

几个容易踩的坑

一个今天就能做的动作

把你现在这套 AI 投研流程写成一张步骤清单，一步一行，别偷懒合并。

然后每一行后面写一句话，回答同一个问题：这一步如果错了，我在哪一步、大概多久之后会发现？

• 「下一步核对时立刻发现」→ 第一类，可以往便宜档降。
• 「抽查几条能发现」→ 第二类，那就把抽查真的排进流程，别只是想想。
• 「答不上来」或者「等到某天翻原文才发现」→ 第三类。

数一数第三类有几行。多数人第一次数完会有点意外——它比你以为的多，而且往往集中在流程末尾那几步，也就是你最不注意、最想图省事的地方。

分完档之后，接下来的问题是怎么验证你分对了。这不需要一上来就建一套很正式的评估体系：挑几十条你手上已有标准答案的样本，同一个环节分别用不同档的模型各跑一遍，比一比差多少。差不多，那这一步就该降档；差得明显，说明它确实是第三类，那份钱别省。怎么组织这种小规模比较、以及哪些指标看着有用其实没用，见 怎么评测一个模型在你的活上到底行不行。

小结

• 分配预算的判据是错误的可发现性，不是任务难度。装修的道理原样适用：刷漆可以省，防水不能省，哪怕防水更简单。
• 三档：逐字可核（提取、格式转换）用便宜档；抽查可核（整理、归纳）用中间档并真的抽查；无声传播（跨期口径、横向可比、因果判断）用你能拿到的最强档。
• 第三类之所以贵，是因为它的错误没有痕迹——每个数字都正常，错的是假设。而且越靠近「总结、综合」的环节，越属于这一类。
• 工程实践已经把这件事结构化了：多角色系统里每个角色可以单独指定模型；机械型任务被要求把「看不清」「无法辨认」显式标出来。让不确定性显形，比换一个更强的模型更根本。
• 降档比升配更划算：要原文片段而不是结论、把结论题拆成提取题自己下判断、给它一个格式固定的「不知道」出口。三个动作都不花钱，却能把风险降一整档。
• 别只算跑一遍的花费；核对时间和返工成本才是大头。

一句话记住：钱要花在你看不见的地方——你能一眼抓住的错误，不值钱；你抓不住的那种，才是真正的开销。

本文所引开源项目的说明均来自上述源码快照，是阅读代码与文档得出的机制描述，不是运行结果，也不代表任何做法能带来收益。本站内容为投资教育，不构成任何投资建议，边界见 免责声明。